在Waymo、特斯拉兩派背后，自動駕駛技術(shù)形成兩派，前者注重激光雷達(dá)、高精地圖，后者的方案則以視覺感知為主。在中國國內(nèi)，車路協(xié)同技術(shù)又成為新的變量。成為一些自動駕駛初創(chuàng)公司的重要方案。
作為一家自動駕駛方案供應(yīng)商，紐勱科技從場景出發(fā)，采用了以視覺為主、多傳感器融合的方案，目標(biāo)是在復(fù)雜場景中實現(xiàn)載人和運(yùn)貨。它的方案既包括L3/L4，又包括滿足當(dāng)下市場緊需的L2+，以及與智慧城市融合一體化的方案。
這些方案最終的目標(biāo)是量產(chǎn)上車。紐勱科技CEO徐雷表示，面向量產(chǎn)的自動駕駛解決方案，一定需要達(dá)到三個方面的要求：安全，高效，經(jīng)濟(jì)。
以安全為例，紐勱科技在系統(tǒng)冗余、傳感器冗余、緊急情況應(yīng)對措施以及備份的控制系統(tǒng)等方面進(jìn)行了充分考量和設(shè)計。基于對安全的考量，紐勱科技的方案還在功能安全、預(yù)期功能安全和網(wǎng)絡(luò)安全三部分進(jìn)行了重點(diǎn)設(shè)計。
紐勱科技已經(jīng)獲得美國加州的自動駕駛路測牌照，并在2018年先后完成了擁堵跟車(TJP)、高速代駕(HWP)、自主泊車(AVP)功能等前裝量產(chǎn)功能的上線。今年8月，紐勱科技在上海正式落地L4級別的RoboTaxi項目。
以下為徐雷的演講速記整理，進(jìn)行了不改變原意的編輯：
在自動駕駛落地的道路上，無論是像我們一樣的自動駕駛方案開發(fā)者，還是像OEM這樣的自動駕駛方案需求方，為了自動駕駛的大規(guī)模量產(chǎn)落地，常常會思考很多問題。
量產(chǎn)方案究竟需要滿足哪些要素?在ADAS都還并不完美的當(dāng)下，實現(xiàn)自動駕駛是否真的具備可行性?無人駕駛究竟能否應(yīng)對所有場景?是否將交鑰匙式的方案直接裝到車上就能實現(xiàn)自動駕駛?
種種問題，最后又可以歸結(jié)為一個問題：自動駕駛的落地之路到底是怎樣的?
現(xiàn)在，自動駕駛行業(yè)主要有兩條不同的技術(shù)路線：一是以Waymo為代表，重激光、重地圖;二是以特斯拉為代表，將視覺感知作為主要的感知方式，通過攝像頭實現(xiàn)L4級別的自動駕駛。
相比之下，紐勱科技的路線與后者較為類似，在單車智能中采用以視覺為主的多傳感融合感知方案。但同時，我們也有著很大的不同，那就是不止于車端的智能，還采用智能車、智能道路、智慧城市的融合一體化方案。
一切從場景出發(fā)
在我們看來，自動駕駛應(yīng)從場景出發(fā)。
無論設(shè)計、測試還是商業(yè)化，都應(yīng)以場景為基礎(chǔ)。這里的場景，簡單來說，就是車和車以外的事物。而我們的最終目標(biāo)，就是實現(xiàn)復(fù)雜場景下的無人駕駛載人和運(yùn)貨。
在紐勱科技的融合一體化的系統(tǒng)中，將車作為前端，車以外的部分作為后端。在每一種場景下，我們會思考車需要具備什么樣的能力才能安全可靠地行駛，并分別從前端和后端提供相應(yīng)的能力。
當(dāng)面對相對簡單的場景時，比如，結(jié)構(gòu)化道路里的高速場景，或低速行駛的場景，我們的方案可以通過車身所搭載的傳感器和計算能力，實現(xiàn)很好的自動駕駛。當(dāng)面對一些相對復(fù)雜的場景時，比如，十字路口、園區(qū)大門口，這些地方很可能連紅綠燈、車道線都沒有，僅依靠車本身的配置會很難達(dá)到充分安全可靠的行駛，所以，這時候需要讓系統(tǒng)具備更強(qiáng)的駕駛能力。
我們的思路是，把自動駕駛所需的能力——感知和規(guī)劃，最合理地分配到車和車以外的地方，也就是前面所說的前端和后端。
我們主要從兩個方面來實現(xiàn)。
在車端，以視覺感知為主、多傳感融合打造單車的智能，提供前裝量產(chǎn)的方案。在這個長期發(fā)展的過程中，具備自動駕駛功能的汽車將會越來越多，包括L2級別的智能網(wǎng)聯(lián)車。
與此同時，道路也在逐步升級，變得更加數(shù)字化、智慧化。那么，如何打造包含路側(cè)感知、路側(cè)規(guī)劃，并能與智能車融合的數(shù)字化道路，是一個很有挑戰(zhàn)的問題，而我們可以為政府、運(yùn)營商等提供方案。
最終，我們將基于智能汽車、智慧道路、智慧城市融合一體化的概念，提供能應(yīng)對復(fù)雜場景的L4方案。
具體而言，在以車為前端的單車智能方面，主要與車廠合作，從前裝量產(chǎn)方案切入。我們對場景有更深的理解，希望能通過與車廠在前裝方面的合作，將技術(shù)落地，并進(jìn)行數(shù)據(jù)迭代，不斷地優(yōu)化方案，實現(xiàn)復(fù)雜場景下的無人駕駛應(yīng)用。
同時，我們會在一些開放區(qū)域進(jìn)行無人駕駛的示范運(yùn)營，比如上海臨港地區(qū)，從商業(yè)模式和技術(shù)模式上去論證方案的可行性。
當(dāng)前，從前裝角度看，L2+級別自動駕駛方案有著非常迫切的市場需求。
現(xiàn)在主流的自動駕駛應(yīng)用，大多是一些行駛和泊車兩大類型的輔助駕駛功能，并不能完全滿足市場對L2+甚至是L3的高級別自動駕駛需求。一些復(fù)雜場景的功能，如需要橫向控制參與的變道、超車處理，用于泊車的360度精準(zhǔn)感知，都是市場上需求很大的應(yīng)用。
我們能夠提供L2+及以上功能的自動駕駛解決方案，并可以通過高端和經(jīng)濟(jì)兩種不同的配置，滿足不同的功能需求。
搭載高端配置的車輛，可以滿足全功能的需求，不僅具備一些復(fù)雜場景的自動駕駛功能，能夠應(yīng)對十字路口等城市環(huán)境下的行駛場景，還可以和智慧城市智能交通系統(tǒng)相結(jié)合，實現(xiàn)L4級別的自動駕駛功能。
經(jīng)濟(jì)配置則可以滿足部分的自動駕駛需求，如實現(xiàn)自主泊車、擁堵跟車這些自定義的功能。對前裝量產(chǎn)而言，成本非常重要，我們會提供基于ASIC芯片的低成本計算平臺打造的、以視覺為主的多傳感融合感知的方案，來實現(xiàn)所需的功能。
量產(chǎn)要滿足三要素
在我們看來，面向量產(chǎn)的自動駕駛解決方案，一定需要達(dá)到三個方面的要求：安全，高效，經(jīng)濟(jì)。
安全指的是必須有全方位的安全考量，要包含運(yùn)行方面的功能安全、預(yù)期功能安全以及網(wǎng)絡(luò)信息安全，從而提供真正安全的體驗。
比如，車輛如何進(jìn)入最小風(fēng)險狀態(tài)，如何處理出現(xiàn)的各種問題。從技術(shù)角度來講，自動駕駛方案需要在融合后形成冗余的世界模型，并且需要具有一套安全的駕駛規(guī)則。而非為了確保安全，讓車的速度降到非常慢的程度，用戶很難喜歡這種方案。
其次是高效，自動駕駛方案不僅需要能夠高效地開發(fā)和應(yīng)用，同時還需要能為用戶提供高效的使用體驗，能在日常使用中為用戶解決出行中的難題和痛點(diǎn)。這樣的方案才真正有用。
第三是成本。無論硬件還是軟件，成本都是無法忽視的要素，功能所耗費(fèi)的成本需要與為客戶創(chuàng)造的價值相匹配。因為物超所值的方案才會受歡迎，才能形成規(guī)模化的應(yīng)用。
兼顧這三點(diǎn)的方案，才是可量產(chǎn)的自動駕駛駕駛解決方案。而我們的方案，也正是基于這些考慮完成的開發(fā)。
在安全方面，我們有著全面深入的設(shè)計考量。一般來說，自動駕駛的應(yīng)用場景發(fā)生變化，系統(tǒng)的性能也通常會有一些影響，如果是在開發(fā)完成后根據(jù)應(yīng)用的場景再去補(bǔ)充安全架構(gòu)和模塊，安全方面可能會存在問題。
所以我們的做法并不是先把功能開發(fā)完，然后再回過頭去想哪一塊不安全，再去加一些安全模塊。而是從設(shè)計、開發(fā)，到功能實現(xiàn)、測試，其中的每一個環(huán)節(jié)都把安全放在第一的位置。
同時，為了保障在部分傳感器失效的情況下，系統(tǒng)依舊能夠去應(yīng)對出現(xiàn)的問題，我們提出了三層感知融合，進(jìn)行同一傳感器內(nèi)、不同傳感器之間以及世界模型構(gòu)建的融合。
比如在攝像頭內(nèi)部，車道線可以基于深度學(xué)習(xí)算法和傳統(tǒng)的算法來分別完成;而在不同傳感器之間，比如前視的兩個攝像頭，可以通過雙目檢測來進(jìn)行測距，也可以通過雙目檢測可行駛區(qū)域是否有立體的東西，來判斷是否為平面。
另外，因為汽車存在于真實的物理世界，所以我們還會進(jìn)行模型層面的校驗，基于這些融合的信息會構(gòu)建一個冗余的世界模型。
這個世界模型是對周圍世界的理解，包括有靜態(tài)障礙物、動態(tài)障礙物、動態(tài)障礙物的行為預(yù)測、交通規(guī)則的理解、自身狀態(tài)的定位。在世界模型里，除了會預(yù)測一些處于動態(tài)的物體外，比如行駛中的車下一步會怎么行駛，我們還會預(yù)測一些暫時處于靜態(tài)的物體，比如行人站在十字路口的時候，通過他的身體語言去判斷其是否看到了本車，是不是有穿過馬路的意圖。
而在高效方面，我們的方案可以做到感知更全、識別更準(zhǔn)、反應(yīng)更快。
以泊車時的停車位檢測為例。全國各地有各種各樣的停車位，在實際使用中，市面上絕大部分泊車方案的車位檢測成功率不到50%，而我們基于視覺停車位檢測的成功率能達(dá)到90%以上。
我們對方案的要求不僅是車不發(fā)生碰撞，還有更重要的一點(diǎn)是，我們希望自動駕駛車能符合用戶的使用期望，就像真人駕駛一樣。這其中，對未來時間一定窗口內(nèi)場景變化的預(yù)測非常重要。
通常情況下，系統(tǒng)中會有很多模塊運(yùn)行，但是很難保證每一個模塊在任何情況下都能正常運(yùn)行。如果出現(xiàn)硬件失效或是感知受限等情況，比如攝像頭被遮擋，功能還能否安全地運(yùn)行呢?答案是可以，因為我們對系統(tǒng)有安全的冗余考量，配備了冗余傳感器、緊急操作模塊、備份系統(tǒng)。
此前我們曾強(qiáng)調(diào)，自動駕駛由從場景所驅(qū)動，設(shè)計、開發(fā)、功能實現(xiàn)、測試、商業(yè)化運(yùn)用也都如此。所以，我們自己總結(jié)了一套比當(dāng)前市面上更健全的測試體系，針對L3及以上級別的自動駕駛進(jìn)行測試評價。其中，最重要的一點(diǎn)就是可量化的測試標(biāo)準(zhǔn)。
我們對開發(fā)的功能，在不同情況下進(jìn)行了測試和評分，根據(jù)我們自己的標(biāo)準(zhǔn)，方案達(dá)到了良好水平，而根據(jù)行業(yè)的標(biāo)準(zhǔn)，我們方案能達(dá)到優(yōu)秀水平。
基于車端和智慧道路的融合
紐勱科技主要做的是L3/L4級別自動駕駛，L2+的方案為降級使用。我們自主開發(fā)了自動駕駛所需的全套上層應(yīng)用軟件和算法，包括配備了基礎(chǔ)通信庫、高性能計算庫、深度學(xué)習(xí)加速庫的自動駕駛專用平臺MaxOS，這也是我們自己開發(fā)的，所以我們的方案拓展性強(qiáng)，很容易移植到不同平臺上，進(jìn)行各種定制化的開發(fā)。
此外，我們的方案不依賴于高精地圖和激光雷達(dá)。車本身具有足夠的智能，高精地圖可以加入其中作為補(bǔ)充，感知以視覺感知為主，不依賴于激光雷達(dá)。方案可以實現(xiàn)低成本高性能定位，定位精度達(dá)到厘米級。
在車端實現(xiàn)這些智能功能后，再通過智能汽車、智能交通、智慧城市的深度融合，就能實現(xiàn)更復(fù)雜場景下的自動駕駛，進(jìn)行Robotaxi等更高級別自動駕駛的應(yīng)用。目前，我們正在和一些合作伙伴進(jìn)行這方面的測試和落地。
比如，在上海臨港地區(qū)，我們已經(jīng)啟動基于融合一體化方案的Robotaxi項目，目前正在分階段地進(jìn)行落地，逐步擴(kuò)大車隊規(guī)模和運(yùn)營范圍。現(xiàn)在第一階段的工作已經(jīng)完成。
在先期的驗證測試中，我們的純視覺Robotaxi方案能夠應(yīng)對真實開放道路中出現(xiàn)的多種難點(diǎn)。
包括復(fù)雜場景下的行人和非機(jī)動車檢測和行為預(yù)測，遠(yuǎn)距離紅綠燈、異形紅綠燈的檢測，磨損或不規(guī)則車道線情況的應(yīng)對，實現(xiàn)十字路口調(diào)頭及復(fù)雜車流變道等功能，等等。這套方案并不是專門為該項目定制的方案，而是一套真正可以快速進(jìn)行部署的量產(chǎn)化方案。未來，我們還會在其他地方進(jìn)行落地。
總而言之，我們的自動駕駛落地之路就是：開發(fā)可量產(chǎn)的全棧方案，通過前裝提供高速代駕、擁堵跟車、自主泊車等高級別的自動駕駛功能;同時，我們將車輛與智慧道路和城市進(jìn)行深度融合，打造無人駕駛出租車。
